600多亿砸向了“说不清”的技术：资本正在为“世界模型”的定义买单

666亿热投世界模型，概念泛化，技术远未达预期。

2026年前七个月，国内一级市场向“世界模型”概念里投了666亿元，64家“世界模型”公司中，有58家拿到了融资，融资成功率接近九成：极佳视界三个月吸金35亿元、估值冲上30亿美元；生数科技传出港股IPO消息；Runway的年度经常性收入突破2亿美元、估值53亿美元。这些数字烧热了“世界模型”的概念，但World Labs联合创始人兼CEO李飞飞用一句话泼了冷水：世界模型是AI领域“最重要、同时也最被滥用的术语之一”。

600多亿的融资额，和“世界模型”这个宽泛概念所包含的技术实质之间，隔着一道巨大的定义裂痕。

01

同一个筐

装下了好几种生意

智源研究院院长王仲远在2026智源大会上把被叫作“世界模型”的东西划成了四类：以语言为中心、以像素为中心、以三维结构为中心和以视觉表征为中心。李飞飞的分法更简练：输出像素的是渲染器，输出环境状态的是仿真器，输出动作指令的是规划器（有时也被称为“决策器”）。两套分类法指向同一个事实：World Labs的Marble、Runway的GWM Worlds 2，极佳视界的GigaWorld以及光轮智能，根本不在做同一件事，却被同一个概念定义了：世界模型。

Marble的商业实质，是一个卖给游戏开发、影视特效和VR团队的内容工具：标准版20美元/月，旗舰版95美元/月，包含75次生成和商业使用权。Marble交付的是可漫游的3D场景和可选碰撞网格，评测轴是创作者控制和导出互通，不是闭环策略成功率。它的核心优势是3D一致性高、速度快，代价是没有物理模拟。

Runway走的则是另一条路：2026年9月，Runway发布第二代世界模型GWM Worlds 2，主打实时交互式世界模拟，明确把自己从“视频供应商”重新定位为“物理AI的模拟基底”，它卖的不是视频片段，而是片段底层的模拟层——能从视频中学习物理规律、可训练机器人和自动驾驶的底座。年度经常性收入2亿美元、市销率约26.5倍，这是一个SaaS公司向基础设施公司跃迁的估值叙事，和Marble按订阅次数卖生成额度相比，不是同一种生意。

国内的分化同样剧烈。极佳视界的GigaWorld-1在WorldArena评测中综合得分突破60分，超过谷歌、英伟达和阿里，同时公司还推出了Maker H01机器人本体，叙事逻辑是把世界模型装进具身智能的“大脑”。生数科技两个月融资26亿元、投后估值超120亿元，路径是从视频生成向“世界模型”靠拢，先把商业化跑起来，再升级概念；智象未来三个月融资超21亿元，也是靠视频生成积累的先决经验，先用影视、营销这些愿意为“生成结果”付钱的场景养活自己，而不是一上来就去啃物理仿真那种需要三五年才能验证的硬骨头。还有光轮智能，它不直接做世界模型，而是给世界模型团队供仿真数据和评测基础设施，全球排名前三的世界模型团队全部与其合作，全球主流具身智能团队中，超过80%的仿真资产来自它，这家公司2026年3月成为全球具身数据领域首个独角兽，本质上卖的是“铲子”，而不是淘金的故事。

02

渲染的精度在涨

物理理解的分数没动

融资端的热度和技术端的冷感，构成了一组不太体面的对照。

南洋理工大学S-Lab团队在2026年7月发布的Apple-π基准，是首个以物理定律为核心的视频模型评估工具，它测试的不是画面好不好看，而是模型能不能感知物理量、表述支配定律、推导出符合定律的后续运动。11个代表性模型参评，最优水平得分只有0.473，物理运动推理被明确指出是主要瓶颈。WACV 2026的一篇论文更直接：OpenAI的Sora、Runway、Pika labs的Pika和谷歌研究院的Lumiere等一批当前模型，物理理解“极其有限”，而且这种局限与视觉真实感无关:画面越逼真，越容易让人误以为模型“懂了”，但像不像和懂没懂，是两件事。

更具体的问题出现在动作条件的世界模型上。普林斯顿大学、得克萨斯大学奥斯汀分校、英伟达和智元联合提出的WorldOracle基准，用真实机器人操作记录去对照模型的预测，发现了一个几乎带有黑色幽默意味的模式：机械臂的移动路径预测得挺准，但物体有没有被抓起来，而抓起来之后去了哪里，模型经常“脑补成功”，颇具“阿Q精神”。字节跳动的IRASim，机械臂得分78.8，操作物体只有29.1；英伟达的Cosmos 3是89.4对45.4。预测时间拉长之后，英伟达的另一个模型DreamDojo的得分从50.56掉到27.08，Cosmos 3则从53.99掉到26.60，接近腰斩。一个能在视频里让机器人“看起来完成了任务”的模型，和一个能让真实机械臂在杂乱桌面上不抓空、不碰翻杯子的模型，中间隔着的，是物理仿真、长时程稳定性和真机验证的一整条技术鸿沟。

Marble的实测反馈也佐证了同一件事：短距离移动光影连贯，室内场景观感不错，但大范围移动出现畸变，在室外场景便“相当负面”。有开发者在Hacker News上直言：“作为‘世界’模型，它似乎不太能领会什么是物理空间。”这不是Marble一家的短板，当前被归入“世界模型”名下的产品，绝大多数在“生成看起来合理的东西”上进步飞快，而在“预测物理上真正的正确”时，进步缓慢。而后者，恰恰是仿真器和规划器（决策器）的全部价值所在。

03

资本在按赛道的节奏下注

技术在按学科的节奏爬坡

政策端的信号是清晰的，但用词耐人寻味：“十五五”规划将“世界模型”列入攻关前沿技术，市场监管总局正在抓紧制定国家标准，明确要“快速凝聚行业共识”。当前，共识尚不存在。用王仲远的话说：“世界模型的定义到底是什么，大家还没有达成共识。”然而，一个连边界和定义都没有划定的领域，率先涌入的是666亿元和58家拿到钱的公司，筛选成本被转移给了下游——车厂、机器人公司、工厂，它们要在“世界模型”的标签之下，自己分辨眼前的产品是一个好用的渲染工具、一个还不准的仿真环境，还是一个真正能指挥手臂完成动作的决策模块。

Runway的年度经常性收入是真实的，极佳视界的评测分数是真实的，Apple-π的0.473也是真实的。问题不是有人在“美化”自己，而是不同物种被塞进同一个估值坐标系之后，在资本的退出节奏和技术的成熟节奏之间，出现了一个错位的时间窗口。渲染器可以靠订阅制在两年内做出漂亮的年度收入曲线，仿真器的价值需要三到五年的真机数据积累才能被验证，而决策器的商业化必定会更晚。当三者共享“世界模型”的标签，共享同一套“下一代通用人工智能基础设施”的叙事时，最先跑通收入的那一类，会率先定义市场对“世界模型”这一概念的价格预期，而真正在做物理理解的那一类，反而要在一个被拉高的估值框架里，再去证明自己配得上那个数字。

666亿的数字，买到的不是一个有清晰定义的技术，而是一个正在被争夺的定义权。定义权的争夺从来不只是学术争论——谁有资格说什么才算“世界模型”，谁就有资格决定下一轮融资的估值锚点。至于物理理解能力什么时候追上渲染精度，Apple-π的0.473不会因为融资额后面多一个零而自动变成0.8，这是一个工程和科学的问题，而工程和科学，不参加路演。这个错位，也不会因为下一轮融资到账就自动消失。